[發明專利]基于循環一致對抗網絡的紅外樣本目標檢測方法

有效

• 申請號: 202010635626.5
• 申請日: 2020-07-03
• 公開（公告）號: CN111915566B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 楊嘉琛;李愛云
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于循環一致對抗網絡的紅外樣本目標檢測方法，包括下列步驟：

1)原始數據集紅外圖像細節增強，方法如下：

第1步：選取以像素點k為中心，r為半徑的局部窗口w_k，使用式(1)、(2)計算a_k，b_k

用I表示輸入的原始紅外圖像，為輸入的原始紅外圖像I在局部窗口w_k中的像素的方差，為輸入的原始紅外圖像I在窗口w_k中的像素平均值，ε為正則化參數；

第2步：I_i為原始紅外圖像在局部窗口w_k中的像素，使用式(3)得到對應的細節增強后的紅外圖像像素，并用q_i表示：

第3步：q_i組成細節增強后的紅外圖像q，用I(y)表示；

2)修改圖像生成網絡，方法如下

對循環一致生成網絡中的生成器網絡結構進行修改調整，在生成器網絡結構的最后引入如下網絡結構：

c7s1-3,c7s1-3,E,A

c7s1-3表示該層網絡使用7*7步長為1的卷積核，3個濾波器；E為能量信息轉換層，稱之為“能量橋”，“能量橋”的具體結構如下：

c7s2-1,c7s2-1,c7s2-1,c7s2-1

“能量橋”網絡共有4層，每層均使用7*7步長為2的卷積核，1個濾波器，利用“能量橋”即能量信息轉換層提取細節增強后的紅外圖像q的能量信息特征，并將其轉化為能量特征圖；A為能量殘差融合層，具體結構如下：

C64,C128,C256,C512

能量殘差融合層共有4層，每層均使用4*4步長為2的卷積核，濾波器數量分別為64，128，256，512；

3)訓練圖像生成網絡，方法如下：

第1步：設置網絡訓練輪數為200，其中前100輪學習率設置為0.0002，后100輪學習率隨輪次線性下降至0；

第2步：使用經過紅外圖像細節增強的數據集對調整過后的圖像生成網絡進行訓練，訓練數據包括可見光圖像以及經過圖像細節增強處理的紅外圖像；

第3步：得到最終的圖像生成網絡模型；

4)應用于目標檢測網絡，方法如下：

第1步：選用yolov3目標檢測算法的保留預訓練參數的目標檢測模型；

第2步：將經過圖像細節增強操作后的紅外圖像輸入圖像生成網絡模型，得到可見光圖像；

第3步：將通過圖像生成網絡模型得到的可見光圖像輸入目標檢測模型進行目標檢測。